Avaliação dos determinantes macroeconômicos da inadimplência bancária no Brasil

Esta dissertação investiga a relação entre a taxa de inadimplência de empréstimos de bancos brasileiros e fatores macroeconômicos, para o período de 2000 a 2007, utilizando um modelo VAR (Vector Autoregression). Os empréstimos foram segmentados entre instituições financeiras públicas e privadas com o objetivo de verificar o efeito de choques macroeconômicos sobre a taxa de inadimplência dessas instituições. Os resultados mostram que a inadimplência das instituições financeiras é particularmente sensível a choques no hiato do produto, na variação do índice de rendimento médio dos ocupados e na taxa de juros nominal. O modelo estimado gerou boas previsões fora da amostra da taxa de inadimplência e os resultados indicam que elas não são inferiores às previsões de outros dois modelos competidores. O modelo VAR também permitiu estimar as correlações entre as variáveis macroeconômicas e, por meio de simulações de Monte Carlo, calcular a probabilidade da taxa de inadimplência ultrapassar um nível considerado de risco. Esse procedimento pode ser utilizado como ferramenta adicional de gerenciamento do risco de crédito pelo Banco Central e instituições financeiras.This dissertation investigates the relationship between the delinquency rate on Brazilian banks loans and macroeconomic factors for the period 2000 to 2007 using a VAR (Vector Autoregression) model. Loans were divided into State-owned and private financial institutions in order to assess the effect of macroeconomic shocks on the delinquency rate of these institutions. The results show that the delinquency rate of financial institutions is particularly sensitive to shocks on output gap, variation of the index of average income of workers and nominal interest rate. The estimated model produced good out of sample forecasts of delinquency rate and the results indicate that they are not worse than the forecasts of two competing models. The VAR model also allowed us to estimate the correlations of macro variables and to compute the probability that the delinquency rate exceeds a given threshold deemed risky through Monte Carlo simulations. This procedure may be used as an additional tool of credit risk management by the Central Bank and financial institutions